Análisis espaciotemporal de la deforestación en el campus mutile (2005-2023) usando Google Earth Engine
Spatio-temporal analysis of deforestation on the mutile campus (2005-2023) using Google Earth Engine
Resumen
Este estudio analiza la deforestación en el campus Mutile de la Universidad Técnica Luis Vargas Torres entre 2005 y 2023, utilizando imágenes satelitales procesadas con Google Earth Engine (GEE). El objetivo principal es cuantificar el área total deforestada, identificar los años con mayor pérdida de cobertura forestal y analizar la tendencia de la deforestación a lo largo del tiempo. Mediante el análisis de imágenes de los satélites Landsat 5, 7 y 8, se estimó una pérdida total de 51.82 hectáreas, con picos significativos en los años 2017 y 2012, donde se registraron 18.9 ha y 11.97 ha de deforestación, respectivamente. El análisis estadístico reveló una media anual de deforestación de 5.03 ha, con una desviación estándar de 6.86 ha, lo que indica una alta variabilidad en los datos. Además, la regresión lineal mostró una pendiente de 0.11 ha/año, sugiriendo una tendencia moderadamente creciente de deforestación en el periodo estudiado. La visualización mediante un boxplot destacó la presencia de valores atípicos, reflejando eventos esporádicos de alta intensidad en la tala ilegal. Las recomendaciones incluyen el establecimiento de un sistema de monitoreo continuo con GEE, el fortalecimiento de la vigilancia y la implementación de políticas de conservación en áreas críticas del campus. Este estudio subraya la importancia de la teledetección para la gestión sostenible de los recursos forestales en zonas vulnerables.
This study analyzes deforestation in the Mutile campus of the Universidad Técnica Luis Vargas Torres between 2005 and 2023, using satellite images processed with Google Earth Engine (GEE). The main objective is to quantify the total deforested area, identify the years with the greatest loss of forest cover, and analyze the trend of deforestation over time. By analyzing images from Landsat 5, 7 and 8 satellites, a total loss of 51.82 ha was estimated, with significant peaks in the years 2017 and 2012, where 18.9 ha and 11.97 ha of deforestation were recorded, respectively. Statistical analysis revealed an annual mean deforestation of 5.03 ha, with a standard deviation of 6.86 ha, indicating high variability in the data. In addition, the linear regression showed a slope of 0.11 ha/year, suggesting a moderately increasing trend of deforestation over the period studied. Visualization using a boxplot highlighted the presence of outliers, reflecting sporadic events of high intensity illegal logging. Recommendations include the establishment of a continuous monitoring system with ESG, the strengthening of surveillance, and the implementation of conservation policies in critical areas of the campus. This study highlights the importance of remote sensing for sustainable management of forest resources in vulnerable areas.
Recibido: 01-09-2024
Aceptado: 18-10-2024
Publicado: 01-11-2024
Palabras clave
Texto completo:
PDFReferencias
Adusei, E. K., Martey, F., Addai, M., & Ofori, I. (2020). Impact of selective logging on biodiversity using Google Earth Engine in Ghana. Remote Sensing Applications: Society and Environment, 19, 100362. https://doi.org/10.1016/j.rsase.2020.100362
Castillo, M. A., Fernández, A. M., y Gómez, L. E. (2021). La deforestación en el Chaco argentino: análisis multitemporal 2000-2020. Revista Geográfica del Sur, 45(2), 52-67. https://doi.org/10.1007/s13523-021-0456-x
FAO. (2020). The state of the world’s forests 2020: Forests, biodiversity and people. Food and Agriculture Organization of the United Nations. https://doi.org/10.4060/ca8642en
Fernández, A. R., y Ángel, G. P. (2017). Monitoreo forestal mediante la combinación de sensores remotos. Investigaciones en Ciencia y Tecnología, 8(2), 133-148.
Gonçalves, R. F., Pereira, M. P., & Silva, J. T. (2021). Monitoring deforestation in protected areas of the Brazilian Amazon using Landsat images. Journal of Environmental Management, 285, 112146. https://doi.org/10.1016/j.jenvman.2021.112146
Guzmán Arévalo, D. F. (2021). Cálculo del índice de vegetación de diferencia normalizada—NDVI usando la plataforma Google Earth Engine para los años 2019 y 2020 de la vereda La Florida en el municipio de Puerto Asís. Universidad del Rosario. http://hdl.handle.net/10654/40417
Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov, A., Chini, L., Justice, C. O., & Townshend, J. R. G. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, 342(6160), 850-853. https://doi.org/10.1126/science.1244693
Hernández Sampieri, R., Fernández Collado, C., y Baptista Lucio, P. (2021). Metodología de la investigación (7ma ed.). McGraw-Hill.
Huacani, W., Meza, N. P., Aguirre, F., Sánchez, D. D., & Luque, E. N. (2022). Analysis of deforested area using Google Earth Engine in the period 2001-2020 in the Apurimac Region. Journal of Internet and E-Business Studies, 1-14. https://doi.org/10.5171/2022.988227
Logroño-Naranjo, S. I., López-Paredes, C. R., Moyano-Jácome, M. G., & Oyague-Bajaña, E. S. (2020). El alcance de la teledetección satelital utilizando modelos estadísticos y físicos y sus beneficios en óreas contables. Dominio de las Ciencias, 6(2), Article 2. https://doi.org/10.23857/dc.v6i2.1142
Martínez, G. (2020). Teledetección aplicada a la deforestación de la Amazonia e impactos del COVID-19 sobre la contaminación en Europa mediante Google Earth Engine [Trabajo de grado, Universidad Autónoma de Madrid]. https://repositorio.uam.es/handle/10486/692909
Méndez, D. R., Aguilar, F. S., & Ventura, C. J. (2022). Tropical forest monitoring in Honduras using Google Earth Engine: Combining satellite and field data. Environmental Monitoring and Assessment, 194, 10. https://doi.org/10.1007/s10661-022-09735-7
Montoya, V., Danilo, A., y Director. (2023). Análisis multitemporal de la deforestación en respuesta a la implementación del embalse Daule-Peripa, Ecuador. [Tesis de Maestría, Universidad de Guayaquil]. http://www.dspace.espol.edu.ec/handle/123456789/57456
Perilla, G. A., Mas, J.-F., Perilla, G. A., y Mas, J.-F. (2020). Google Earth Engine (GEE): Una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube. Investigaciones Geográficas, (101). https://doi.org/10.14350/rig.59929
Bone, B. (2019). Recorrido por el Bosque Mutile e Identificación de Especies Forestales. https://es.slideshare.net/slideshow/recorrido-por-el-bosque-mutile-e-identificacin-de-especies-forestales/143116411
Salkind, N. J. (2020). Exploring research (9th ed.). Pearson.
Ulloa, C., Pérez, R., y Sánchez, M. (2023). Análisis espacial de la deforestación en la Amazonía ecuatoriana utilizando técnicas de clasificación supervisada en Google Earth Engine. Acta Amazónica, 53(1), 98-108. https://doi.org/10.24841/actaamazonica.v53i1.100123
Valverde, B. R. (2022). Análisis de la dinámica de deforestación ocurrida en los últimos cinco años en la zona intangible “Tagaeri taromenane” (ZITT) mediante aplicación de tecnologías geoespaciales [Trabajo de grado, Escuela Superior Politécnica de Chimborazo]. http://dspace.espoch.edu.ec/handle/123456789/16124
Enlaces refback
- No hay ningún enlace refback.
Depósito Legal Electrónico: ME2016000090
ISSN Electrónico: 2610-797X
DOI: https://doi.org/10.53766/GICOS
![]() ![]() ![]() ![]() ![]() ![]() ![]() |
Se encuentra actualmente registrada y aceptada en las siguientes base de datos, directorios e índices: | |||
![]() | ![]() | ![]() | |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() | ![]() |
![]() | ![]() |
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.